Python数据挖掘入门与实践

原创于 2021-11-09 19:55:39 发布 · 1.3k 阅读

CC 4.0 BY-SA版权

文章标签：

本教程介绍了如何使用scikit-learn的`datasets`模块加载鸢尾花（Iris）数据集，并从中提取前5条特征数据、对应的类别标签以及数据的数组大小。鸢尾花数据集是一个经典的分类问题数据集，包含150个样本，每个样本有4个特征和1个类别标签。

任务描述

使用 scikit-learn 的datasets模块导入 iris 数据集，并打印数据。

相关知识

scikit-learn 包括一些标准数据集，不需要从外部下载，可直接导入使用，比如与分类问题相关的Iris数据集和digits手写图像数据集，与回归问题相关的波士顿房价数据集。

以下列举一些简单的数据集，括号内表示对应的问题是分类还是回归：

#加载并返回波士顿房价数据集（回归）
load_boston([return_X_y])
#加载并返回iris数据集（分类）
load_iris([return_X_y])
#加载并返回糖尿病数据集（回归）
load_diabetes([return_X_y])
#加载并返回数字数据集（分类）
load_digits([n_class, return_X_y])
#加载并返回linnerud数据集（多分类）
load_linnerud([return_X_y])

这些标准数据集采用类字典的对象格式存储,比如.data表示原始数据，是一个(n_samples,n_features)二维数组，通过.shape可以得到二维数组大小，.target表示存储数据类别即标签。
下面我们将利用datasets加载数据集digits作为示例，如下图所示：

在命令行输入python进入 Python 终端，>>>表示 Python 终端提示符，输入 Python 命令即可执行。y[:5]表示标签的前 5 个数据。

编程要求

本关任务是，使用 scikit-learn 的datasets模块导入iris数据集，提取前 5 条原数据、前 5 条数据标签及原数据的数组大小。请按照编程要求，补全右侧编辑器Begin-End区间的代码。

from sklearn import datasets
def getIrisData():
'''
导入Iris数据集
返回值：
X - 前5条训练特征数据
y - 前5条训练数据类别
X_shape - 训练特征数据的二维数组大小
'''
#初始化
X = []
y = []
X_shape = ()
# 请在此添加实现代码 #
#********** Begin *********#
#********** End **********#
return X,y,X_shape

测试说明

本关的测试文件是step1/testImportData.py，该代码负责对你的实现代码进行测试，注意step1/testImportData.py 不能被修改，该测试代码具体如下：

import importData
X,y,X_shape = importData.getIrisData()
print(X)
print(y)
print(X_shape)

#导入sklearn模块中的datasets函数
from sklearn import datasets 
#自建函数 
def getIrisData():

    '''
    导入Iris数据集

    返回值：
    X - 前5条训练特征数据
    y - 前5条训练数据类别
    X_shape - 训练特征数据的二维数组大小
    '''
    #初始化
	X = [] 
	y = [] 
	X_shape = () 

	#   请在此添加实现代码   #
	#********** Begin *********#
    #导入iris数据集
    iris = datasets.load_iris()
    #提取前 5 条原数据
    X = iris.data[:5]
    #提取前 5 条数据标签及原数据
	y = iris.target[:5]
	X_shape = iris.data.shape

	#********** End **********#

	return X,y,X_shape